浮法玻璃漏检的检测技术

浮法玻璃漏检的检测技术

传统的浮法玻璃质量检测方法主要采用人工在线肉眼监测方法。人眼监视存在主观、视角、视场等因素影响,容易对浮法玻璃缺陷造成漏检,尤其是变形较小、畸变不大的夹杂,极大地降低玻璃的等级水平。随着现代生产技术的不断发展,高端产品(如液晶屏幕)对浮法玻璃原板的质量要求越来越高,采用人工控制浮法玻璃质量的生产方式已无法适应目前玻璃生产的实际需要。因此,要全面保证玻璃质量,提高玻璃质量等级,对玻璃质量进行高效准确的在线实时检测就显得十分重要。目前,浮法玻璃质量检测系统主要利用激光检测和摩尔干涉原理的方法。本文介绍的浮法玻璃质量检测系统采用分布式视觉技术,以机器的眼睛代替人眼,完成对浮法玻璃的缺陷提取、缺陷识别和分类。其检测原理是:玻璃中的缺陷和正常玻璃的光学性质有很大的不同,在稳定可靠的光源照明下,当有缺陷通过相机下方时,会导致进入相机的光强发生改变,反映在相机采集的图像上就是灰度值的改变,用图像处理算法来检测这种灰度变化从而实现缺陷检测的目的。1图像处理模块基于机器视觉的浮法玻璃质量在线检测系统是一种分布式的视觉系统。由于浮法玻璃生产线的玻璃幅宽可以达到3~6m,单台相机无法满足检测要求,因此系统采用了多个由相机、采集卡、工业计算机组成的图象处理模块,由这些模块协同完成图像的采集和处理,保证对整个幅宽玻璃的100%检测。本系统是针对5m宽的生产线采用了8个图像处理模块。本系统采用C/S结构,采用一个服务器完成人机交互、缺陷统计、玻璃分级、采集信号控制、打标系统控制,数据汇总和分析、以及实现对各处理模块的控制。各图像模块分别对各自从采集卡接收到的图像进行处理,完成缺陷检出的任务,并将实时缺陷数据发送给服务器。各个图像模块之间及其和服务器之间通过千兆以太网相连,保证数据的可靠、快速传送,以现场总线的方式实现系统控制指令的传送。2玻璃照明系统设计本系统采用了由高速、高精度的相机和镜头与高亮、高稳定、均匀的高性能照明系统组成的光学系统,保证了图像采集的准确性和可靠性。图像采集的光学系统主要由摄像机、镜头、照明系统等组成。根据系统对生产线上的浮法玻璃进行不间断的全面质量检测的要求,我们在图像采集系统设计时采用了DALSA公司的高速线扫描摄相机。该摄像机扫描速率达到18kHz/s,能满足在行进方向0.1mm的采集精度。系统设计中摄像机镜头采用物距为f=50的标准Nikon镜头,畸变小,还原性好,并可以适配各种滤镜,控制进入镜头的光线,使曝光满足系统检测要求,具有大光圈可以满足在快速运动条件下高速快门对通光量的要求。考虑到刚生产的浮法玻璃温度高、发热量大,在镜头前,加上防热防紫外线的UV镜,避免热量直接辐射进相机。照明系统的设计是机器视觉系统设计的重要环节。根据玻璃图像采集对照明条件的要求,照明系统需要保证采集到的图像不失真、不变形、没有明显色偏。此外,玻璃作为一种透明物质,反射率低,不适用常用的反射照明方式,因此我们采用透射照明。根据波长越长,光的透射能力越强的特点,为了尽可能的增大透射光线的强度,我们采用红光作为照明光源。而且,考虑到使用寿命,稳定性等因素,我们选择了LED作为发光体。红色LED光源置于玻璃下方,光线穿过玻璃再经镜头进入相机。为防止环境光进入像机,我们在光源两侧设计倒V字型挡板,采用封闭式结构,并尽可能贴近和包容采集对象,以最大可能地摒除环境光的干扰。具体照明方式见图2。3检测算法运行速度及流程一般应具有准确性基于机器视觉的浮法玻璃质量在线检测系统,其技术要求主要是实时性、准确性和可靠性,因此相应的算法研究和软件设计必须围绕这些要求展开。所谓实时性,是指检测系统的采集速度能够满足玻璃的运行速度(即采集实时性),并且能在每帧图像的采集时间内完成数据的传输、存储、分析处理及结果输出(处理实时性)。由此要求检测算法的运行速度必须足够快,软件流程尽量简洁;所谓准确性,是指检测系统所采用的算法应能对所采集图像中的不同类型缺陷在给定精度条件下都能准确检出,并且不误检;所谓可靠性,则是指检测系统的算法和软件要具有鲁棒性,即能长时间运行并保证得到正确结果,而软件需要在满足算法目标的同时,具有bugs少,消耗内存少,人机界面友好,不易引起误操作等要求。3.1特征分类模块设计目标提取:目标提取完成对缺陷的准确提取。实时采集的玻璃图像由于受光源以及采集系统自身缺陷(如大镜头的光学畸变)的影响,会出现由中间往两端灰度值渐降的趋势。因此在对图像进行分割时采用了全局阈值曲面的技术。经过全局阈值处理后的图像。此时分割的图像中尚可能存在由于灰尘、蚊虫等异物引起的伪缺陷。对分割后的图像利用真、伪缺陷纹理特征的差异剔除其中的伪缺陷。特征提取:在缺陷提取后,由于系统要对缺陷进行分类,以实现对玻璃的分级,因此要对缺陷的特征和形态参数进行提取。图像处理模块提取了缺陷的几何特征、灰度特征、梯度特征、纹理特征。利用这些特征完成了对缺陷的数学描述,如缺陷的长宽、长宽比、缺陷的面积、缺陷的平均灰度等。特征越完备对缺陷的描述越准确,也更有利于后续分类。缺陷分类:缺陷分类是浮法玻璃质量检测系统的一个重要任务。通过对缺陷的分类,生产人员能够准确的判断生产状态。本系统采用三层前馈神经网络作为分类器,采用向后传播算法对网络进行训练。将特征提取中获得的特征作为网络输入层,输出为缺陷的类型。灰尘和异物是影响检测准确性的一个重要方面,为了对灰尘和异物等伪缺陷进行过滤,我们也提取了一些灰尘和异物的特征,对网络进行训练,并将其作为网络输出的一个分支。3.2系统方案设计为保证采集精度和处理速度,本系统共采用了8个独立的图像处理模块。各模块和服务器以千兆以太网作为链接媒介。服务器和各客户端单独完成处理任务。客户端将处理后的图像数据和缺陷数据传给服务器,以供其进行分析、判断。服务器将接收到的任务指令以及信号状态随时提供给客户端。各客户端和服务器采用了同步信号源和基于协议的数据校验方式,可靠保证了数据的同步性。如图3是整个系统信息流的框图。在软件处理中考虑到数据处理量大,为保证处理的可靠性,采用了双冗余数据块处理技术。对接收的图像数据采用双缓存,一个正常运行,一个作为后备,当接收到的实时图像数据在当前缓冲还没处理完时到达,将该数据存放在后备缓存区中。这样一方面可以防止图像数据的丢失,尽可能的保证玻璃图像都被处理,有利于随时跟踪生产实际情况;另一方面,如果处理算法上来不及对图像数据进行处理时,也可以扔掉一个图像数据而并不影响后续图像的处理,避免了图像数据的堆积和对系统实时性的影响,保证了处理的连续性和有效性。系统软件总体设计方案如图3所示。图中,人机交互模块和数据管理由服务器完成,图像采集模块和图像处理模块由客户端完成。对于服务器和客户端的处理流程分别如图4、图5。4在线检测系统的优势该系统已经在武汉长利玻璃有限公司得到应用。实际应用表明;在处理速度上,系统对6144*2500的图像处理周期最大不超过500ms,以分辨率0.1计算,系统能够满足最大30m/min的浮法玻璃生产速度的在线检测要求;在检测性能上,能检出最小0.2mm的缺陷,能够准确检出玻璃中的气泡、夹杂、光畸变等缺陷并对其智能识别,能够实现对玻璃的准确分级。实际应用也表明,相对于人眼检测来说,该在线检测系统具有如下优势:(1)检测精度高:在线检测系统可检测的缺陷最小可达到0.2mm,如果提高采集分辨率则精度可以更高;而实验证明,人眼只能看到的最小缺陷为0.5mm以上且变形比较严重的缺陷;(2)检测连续性好,可以保证100%检测:人工检测容易造成视觉疲劳,容易受到人的主观情绪的影响,因而难以对产品质量进行100%保证;(3)评价客观:与人工检测相比,在线检测系统消除了主观因素,检测结果更为准确可靠;(4)输出接口可扩展:在线检测